每年获投公司仅20-30家，为何AI农业发展慢？|农机|农业农村部

每年获投公司仅20-30家，为何AI农业发展慢？

分享至

6月24日，中金公司研究部发布的研报显示，AI渗透需长期演进，尤其从技术萌芽到企业大规模部署阶段，会经历资源分配、用户习惯转变、技术与场景打磨、产品迭代等节点，可能存在短期阵痛。今日收盘，AI应用(8841683)指数收涨2.55%。一方面，大模型落地行业应用进展迅速，但同时，部分领域AI渗透率仍增长缓慢。AI农业总体处在试验示范阶段。

丰农控股集团总农艺师王兴林表示，近五年时间，团队在AI方面的实践包括了图像识别、病虫害管理、生产力评估、农场综合管理、精准施肥用药等方面。我国农业文明虽然悠久，但工业化冲击对农业发展带来的提升空间，目前来看仍然很大。也因此，丰农的定位仍以农业服务为核心，通过AI工具属性来服务农业发展。

AI农业智能化提升慢的原因可以归结为三大方面：数据基础薄弱、高成本与低ROI预期、场景复杂性与信任壁垒。由于土壤、气候、作物品种多样等原因，农业数据分散，农业相关数据集不足以训练可靠AI模型，且缺乏实时数据收集能；智能农机、无人机等农业AI设备成本高昂，农业行业投资回报周期长；从业者更信任经验，将AI视为辅助工具。

据哈尔滨工业大学人工智能研究院院长刘劼多年观察，截至目前，国内市场中已有多款农业领域大模型产品，彼此之间比拼的核心实际是数据。当通用型大模型将常用数据收拢，再落地垂直专业领域时，专业模型拼的是谁的数据更精准，对客户的服务更贴切。以丰农控股发布的育种大模型为例，过往多年，丰农发布给农民群体使用的课程课件，持续得到问题反馈，这样训练出来的模型更贴近农业实际应用中农民群体的语境习惯与内容精准度，也会相应得到更好的应用效果。

但同时，刘劼对记者表示，农业最核心的大模型产品未必是常见的问答类模型，而是需要具备精细化能力的模型，比如配方配比、实地操作、成分分析等，叠加大模型本身的幻觉问题，将这些困难解决的农业大模型才能比经验导向的农民更精准，才有可能真正实现对农民群体的实践指导与生产建议。

所谓“橘生淮南则为橘，橘生淮北则为枳”，同样的品种在不同的土壤、光照、水分、气候条件下，都会得到不同的结果。如何在这些影响因素动态变化的前提下，对农业生产提出精准化建议，是一件难事。

在农业领域，单一场景下的问题解决并不能简单推导出泛化性，以环境的复杂因素为例，农田农机的自动驾驶技术听起来似乎比公路自动驾驶要简单，但实际上，农田环境开阔、土壤泥泞、垄沟距离不等，十厘米的误差便可能压弯了麦苗。环境复杂度也决定了AI农业在泛化能力较差，大模型产品解决了某一个环境下的技术难题，换一个环境并未就能通用。

对比来看，刘劼认为AI农业的复杂程度与AI医疗更相似，但后者由于具备更广阔的商业化空间，投资属性更强，数据积累相对更完善，也使其较农业发展更迅速。据IT桔子数据，智慧农业领域投融资动态在2015年至2022年较为活跃，但每年获投公司也仅有20-30家。

因此，国家政策对AI农业的发展起到关键性作用。2024年10月23日，农业农村部印发《全国智慧农业行动计划（2024-2028年）》，目标到2028年底农业生产信息化率达到32%以上。“可以预测，未来十年二十年时间内，农业行业会发生较大改变，但目前仍需要各界的关注和培育。”刘劼称。

特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.